基于改进粒子群寻优的数据中心精密空调无模型自适应预测控制
为实现数据中心热通道温度的精确控制,减少由于温度控制方式粗放造成的能源浪费,提出一种基于改进粒子群寻优(improved particle swarm optimization,IPSO)算法的数据中心精密空调无模型自适应预测控制(model free adaptive predictive control,MFAPC)方法.首先,考虑到MFAPC控制器参数空间大以及数据中心被控系统的动态复杂性,对粒子群寻优(particle swarm optimization,PSO)算法的惯性权值进行变权改进,从而提高PSO算法的前期探索和后期挖掘能力,最终获得最优控制器参数.然后,由于数据中心存在冷通道温度和风量的限制,因此将控制量约束问题转化为二次规划约束问题,并利用IPSO算法实现MFAPC控制器的每一控制步参数最优化,使得MFAPC输出的每一步控制量都是当前系统状态下的最优控制量.最后,基于北京市某数据中心现场数据,通过控制数据中心机房热通道温度预测模型对所提方法进行验证.带控制量约束IPSO-MFAPC方法在总体控制误差、超调量、快速性上都极大地优于MFAPC控制器.结果表明该文所提IPSO-MFAPC方法能够实现数据中心的热通道温度精确控制.
预测控制、无模型自适应控制、改进的粒子群算法、数据中心、数据驱动控制、人工神经网络
49
U461;TP308(汽车工程)
北京市自然科学基金资助项目;国家自然科学基金;中国电子工程设计研究院有限公司-北京科技大学合作资助项目
2023-04-19(万方平台首次上网日期,不代表论文的发表时间)
共11页
424-434